问题描述
作为 Dify 工作流构建者，我希望 Dify 支持 OpenAI 风格的外部工具回调协议，以便 Chatflow 编排可以与 OpenClaw 本地执行相结合。
重要性：
- 更好的能力组合：Chatflow 可以编排模型/工具策略，而 OpenClaw 在本地执行工具。
- 成本效益：根据任务大小和复杂性路由不同的 LLM 节点，减少不必要的 token 使用。
- 更高的灵活性：每个 LLM 节点都可以选择作为面向 OpenClaw 的模型端点。
- 在多轮以及中断/恢复的运行中，工具调用对话具有更高的可靠性。
PR #32296 中已实现的功能：
- 在 chat/advanced_chat API 中增加了对工具定义、tool_choice 和 tool_results 的支持。
- 增加了结构化/openclaw_text 工具调用模式。
- 通过 SSE 事件流式传输工具调用块。
- 在消息内存中持久化并重建 tool_calls。
- 增加了针对待处理工具回调的暂停/恢复工作流处理。
- 修复了 LLM 节点中孤立 tool_calls 的处理，并改进了 TokenBufferMemory 工具消息解析。
- 增加了 LLM 节点级别的控制，例如 external_tool_callback_enabled 和 max_tool_call_rounds。
预期成果
- Dify 可以作为与 OpenAI 兼容的外部工具回调流程的强大编排器。
- 与类似 OpenClaw 的本地工具生态系统具有更好的互操作性。
- 在多轮、暂停和恢复的工具调用场景中，行为更可预测。
我正在寻求关于以下方面的反馈：
- API 结构和兼容性预期
- 工作流暂停/恢复事件设计
- 结合云端 LLM + 本地工具执行的团队的实际用例